【技术实现步骤摘要】
本专利技术涉及人工智能和医学工程融合，特别是涉及一种基于不良因素筛选的术后肾损伤相关的并发症预测系统及方法。
技术介绍
1、传统的冠状动脉旁路移植手术通常使用体外循环机器，该机器会将血液从患者体内抽出，通过氧合后再回输至体内。然而，随着医学技术的不断进步和对患者术后康复的关注，非体外循环手术方式逐渐成为一种备受重视的选择。并且非体外循环冠状动脉旁路移植术能够减少手术时间、降低术后并发症的发生率，缩短患者住院时间，促进患者更快地恢复正常生活。
2、术后肾损伤是一种常见的并发症，特别是在高危患者中。这可能与手术过程中使用的药物、低血压、缺氧等因素有关。冠状动脉旁路移植术过程中可能发生的血流动力学不稳定性和肾脏的低灌注状态，都可能导致肾功能的损害。肾损伤的临床表现可能包括尿量减少、血清肌酐水平升高、电解质紊乱等。肾损伤的程度可从轻微的肾功能下降到严重的急性肾损伤，甚至需要透析治疗。
3、当前对非体外循环冠状动脉旁路移植术患者术后肾损伤并发症预测存在风险预测模型固定的问题，现有技术中大都经过选择后固定预测模型的算法种类，...
【技术保护点】
1.一种基于不良因素筛选的术后肾损伤相关的并发症预测系统，其特征在于，所述系统包括数据模块、深度学习模块、不良因素筛选模块、机器学习模块、模型选择模块，所述系统的通过以下步骤建立：
2.如权利要求1所述的并发症预测系统，其特征在于，所述步骤1中的转换数据格式时，利用Python转换为csv格式。
3.如权利要求1所述的并发症预测系统，其特征在于，所述步骤1中的预处理包括基线数据清洗和格式统一，基线数据时，清洗无关指标和缺失值，格式统一时，将文本型数据转换为单分类或多分类的数值型数据。
4.如权利要求1所述的并发症预测系统，其特征在于...
【技术特征摘要】
1.一种基于不良因素筛选的术后肾损伤相关的并发症预测系统，其特征在于，所述系统包括数据模块、深度学习模块、不良因素筛选模块、机器学习模块、模型选择模块，所述系统的通过以下步骤建立：
2.如权利要求1所述的并发症预测系统，其特征在于，所述步骤1中的转换数据格式时，利用python转换为csv格式。
3.如权利要求1所述的并发症预测系统，其特征在于，所述步骤1中的预处理包括基线数据清洗和格式统一，基线数据时，清洗无关指标和缺失值，格式统一时，将文本型数据转换为单分类或多分类的数值型数据。
4.如权利要求1所述的并发症预测系统，其特征在于，所述步骤1中的相关性分析采用皮尔森相关系数进行分析，保留p<0.05的特征指标。
5.如权利要求1所述的并发症预测系统，其特征在于，所述步骤2中，转换数据格式为csv格式，预处理包括根据时间标注整合不同仪器采集到的数据，统一时间点和采集频率，删除有时间缺失的数据。
6.如权利要求1所述的并发症预测系统，其特征在于，所述步骤2中，conv_lstm算法模型的训练时加入...
【专利技术属性】
技术研发人员：倪广健，郭志刚，马嵩楠，翟文倩，王涛，吴宇博，韩建阁，
申请(专利权)人：天津大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。